滴虫检测装置、方法、设备及计算机可读存储介质.pdf

《滴虫检测装置、方法、设备及计算机可读存储介质.pdf》由会员分享，可在线阅读，更多相关《滴虫检测装置、方法、设备及计算机可读存储介质.pdf（21页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310535055.1(22)申请日 2023.05.12(71)申请人 爱威科技股份有限公司地址 410000 湖南省长沙市高新开发区文轩路27号麓谷钰园B6栋(72)发明人 丁建文邓亦梁(74)专利代理机构 北京集佳知识产权代理有限公司 11227专利代理师 王洋(51)Int.Cl.G06T 7/00(2017.01)G06T 7/254(2017.01)G06T 7/269(2017.01)G06V 20/69(2022.01)G06V 10/62(2022.01)G06V 10/8。

2、2(2022.01)(54)发明名称一种滴虫检测装置、方法、设备及计算机可读存储介质(57)摘要本发明公开了一种滴虫检测装置、方法、设备及计算机可读存储介质，应用于图像处理技术领域，包括：利用待检测妇科镜检样本图像序列获取模块获取待检测妇科镜检样本图像序列，利用滴虫检测网络模型对待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；光流数据确定模块利用光流算法处理待检测妇科镜检样本图像序列，得到每一帧图像的光流数据；运动滴虫识别结果确定模块，根据每一帧图像的目标识别结果和每一帧图像的光流数据，确定运动滴虫识别结果。和当前仅仅根据人工医学方法检测滴虫相比，本发明基于光流数据与每一帧图。

3、像的目标识别结果结合检测，可以对运动滴虫进行多方面的检测，减小了滴虫漏识别的概率。权利要求书2页 说明书12页 附图6页CN 116503374 A2023.07.28CN 116503374 A1.一种滴虫检测装置，其特征在于，包括：待检测妇科镜检样本图像序列获取模块，用于获取待检测妇科镜检样本图像序列；运动滴虫目标确定模块，用于利用滴虫检测网络模型对所述待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型；光流数据确定模块，用于利用光流算法处理所述待检测妇科镜检样本图像序列，得。

4、到每一帧图像的光流数据；运动滴虫识别结果确定模块，用于根据所述每一帧图像的目标识别结果和所述每一帧图像的光流数据，确定运动滴虫识别结果。2.根据权利要求1所述的滴虫检测装置，其特征在于，上述滴虫检测装置，还包括：静态识别结果获取模块，用于获取镜检最后一帧静态识别结果；最终滴虫识别结果确定模块，用于根据所述镜检最后一帧静态识别结果和所述运动滴虫识别结果进行融合处理，得到最终滴虫识别结果。3.根据权利要求2所述的滴虫检测装置，其特征在于，上述最终滴虫识别结果确定模块，包括：目标滴虫交并比确定子模块，用于根据所述运动滴虫识别结果对应的每个运动滴虫目标，与所述最后一帧静态识别结果对应的每个静态滴虫目标。

5、的目标滴虫交并比；最终滴虫识别结果确定子模块，用于根据所述目标滴虫交并比对所述镜检最后一帧静态识别结果进行修正，得到所述最终滴虫识别结果。4.根据权利要求1所述的滴虫检测装置，其特征在于，上述滴虫检测装置，还包括：妇科镜检训练图片获取模块，用于获取妇科镜检训练图片；妇科镜检训练图片标注模块，用于根据滴虫的形状特征和运动特征对所述妇科镜检训练图片进行标注，得到所述带滴虫标签的妇科镜检训练图片；滴虫检测网络模型训练模块，用于根据所述带滴虫标签的妇科镜检训练图片和未标注带滴虫标签的妇科镜检训练图片，对所述深度卷积神经网络模型进行训练，得到所述滴虫检测网络模型。5.根据权利要求1至4任一项所述的滴虫检。

6、测装置，上述滴虫检测装置，还包括：目标跟踪轨迹确定模块，用于利用多目标跟踪算法处理所述每一帧图像的目标识别结果，得到目标跟踪轨迹；相应的，所述运动滴虫识别结果确定模块，包括：运动滴虫识别结果确定子模块，用于根据所述目标跟踪轨迹和所述每一帧图像的光流数据，确定所述运动滴虫识别结果。6.根据权利要求5所述的滴虫检测装置，其特征在于，所述运动滴虫识别结果确定子模块，包括：滴虫运动规则获取单元，用于获取滴虫运动规则；其中，所述滴虫运动规则包括运动幅度和运动轨迹长度；运动滴虫识别结果确定单元，用于根据所述滴虫运动规则、所述每一帧图像的光流数据和所述目标跟踪轨迹，确定所述运动滴虫识别结果。7.根据权利要求。

7、6所述的滴虫检测装置，其特征在于，所述运动滴虫识别结果确定单权利要求书1/2 页2CN 116503374 A2元，包括：光流数据确定子单元，用于根据所述目标跟踪轨迹和所述每一帧图像的光流数据，确定背景区域的光流数据和目标区域的光流数据；运动幅度确定子单元，根据所述背景区域的光流数据和所述目标区域的光流数据的差值确定目标相对运动幅度；运动计数确定子单元，利用所述目标运动幅度和所述预设运动幅度阈值，得到目标的运动计数；运动滴虫识别结果确定子单元，用于利用所述目标的运动计数、目标运动轨迹长度和预设比值阈值，确定所述运动滴虫识别结果。8.一种滴虫检测方法，其特征在于，包括：获取待检测妇科镜检样本图像。

8、序列；利用滴虫检测网络模型对所述待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型；利用光流算法处理所述待检测妇科镜检样本图像序列，得到每一帧图像的光流数据；根据所述每一帧图像的目标识别结果和所述每一帧图像的光流数据，确定运动滴虫识别结果。9.一种滴虫检测设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的滴虫检测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算。

9、机可执行指令被处理器加载并执行时，实现如权利要求1至7任一项所述的滴虫检测方法。权利要求书2/2 页3CN 116503374 A3一种滴虫检测装置、方法、设备及计算机可读存储介质技术领域0001本发明涉及图像处理技术领域，特别涉及一种滴虫检测装置、方法、设备及计算机可读存储介质。背景技术0002滴虫是临床上判断妇科样本是否为病理性的关键指标，由于滴虫外观形态上与白细胞、小圆上皮细胞很相似，此外由于活性程度不同滴虫运动状态呈现不规律，有的静止不动、有的原地转圈、有的可以运动较长距离，所以滴虫识别一直是妇科自动镜检的研究难点。当前检测滴虫的方法主要有染色法，培养法，免疫学方法等。0003上述方法。

10、都是由人工通过医学检测进行的，没有通过智能化处理，实现高效准确的检测，在现有的检测技术中，工作效率低下，准确率不高，对医学上进一步诊断存在较大的影响。采用传统的图像背景建模方法来识别妇科样本中的滴虫，由于妇科样本有一定的粘度导致滴虫运动时会带动周围的物质一起运动，从而造成背景建模出来的前景区域不准确，导致滴虫误识别；并且，背景建模方法不能检测静态目标，因此会漏识别活性低的滴虫。发明内容0004有鉴于此，本发明的目的在于提供一种滴虫检测装置、方法、设备及计算机可读存储介质，解决了现有技术中滴虫检测效率低和准确性低的技术问题。0005为解决上述技术问题，本发明提供了一种滴虫检测装置，包括：0006。

11、待检测妇科镜检样本图像序列获取模块，用于获取待检测妇科镜检样本图像序列；0007运动滴虫目标确定模块，用于利用滴虫检测网络模型对所述待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型；0008光流数据确定模块，用于利用光流算法处理所述待检测妇科镜检样本图像序列，得到每一帧图像的光流数据；0009运动滴虫识别结果确定模块，用于根据所述每一帧图像的目标识别结果和所述每一帧图像的光流数据，确定运动滴虫识别结果。0010可选的，上述滴虫检测装置，还包括：0011静态识别结果获取模块，用于。

12、获取镜检最后一帧静态识别结果；0012最终滴虫识别结果确定模块，用于根据所述镜检最后一帧静态识别结果和所述运动滴虫识别结果进行融合处理，得到最终滴虫识别结果。0013可选的，最终滴虫识别结果确定模块，包括：0014目标滴虫交并比确定子模块，用于根据所述运动滴虫识别结果对应的每个运动滴虫目标，与所述最后一帧静态识别结果对应的每个静态滴虫目标的目标滴虫交并比；0015最终滴虫识别结果确定子模块，用于根据所述目标滴虫交并比对所述镜检最后一说明书1/12 页4CN 116503374 A4帧静态识别结果进行修正，得到所述最终滴虫识别结果。0016可选的，上述滴虫检测装置，还包括：0017妇科镜检训练图。

13、片获取模块，用于获取妇科镜检训练图片；0018妇科镜检训练图片标注模块，用于根据滴虫的形状特征和运动特征对所述妇科镜检训练图片进行标注，得到所述带滴虫标签的妇科镜检训练图片；0019滴虫检测网络模型训练模块，用于根据所述带滴虫标签的妇科镜检训练图片和未标注带滴虫标签的妇科镜检训练图片，对所述深度卷积神经网络模型进行训练，得到所述滴虫检测网络模型。0020可选的，上述滴虫检测装置，还包括：0021目标跟踪轨迹确定模块，用于利用多目标跟踪算法处理所述每一帧图像的目标识别结果，得到目标跟踪轨迹；0022相应的，所述运动滴虫识别结果确定模块，包括：0023运动滴虫识别结果确定子模块，用于根据所述目标跟。

14、踪轨迹和所述每一帧图像的光流数据，确定所述运动滴虫识别结果。0024可选的，所述运动滴虫识别结果确定子模块，包括：0025滴虫运动规则获取单元，用于获取滴虫运动规则；其中，所述滴虫运动规则包括运动幅度和运动轨迹长度；0026运动滴虫识别结果确定单元，用于根据所述滴虫运动规则、所述每一帧图像的光流数据和所述目标跟踪轨迹，确定所述运动滴虫识别结果。0027可选的，所述运动滴虫识别结果确定单元，包括：0028光流数据确定子单元，用于根据所述目标跟踪轨迹和所述每一帧图像的光流数据，确定背景区域的光流数据和目标区域的光流数据；0029运动幅度确定子单元，根据所述背景区域的光流数据和所述目标区域的光流数据。

15、的差值确定目标相对运动幅度；0030运动计数确定子单元，利用所述目标运动幅度和所述预设运动幅度阈值，得到目标的运动计数；0031运动滴虫识别结果确定子单元，用于利用所述目标的运动计数、目标运动轨迹长度和预设比值阈值，确定所述运动滴虫识别结果。0032本发明还提供了一种滴虫检测方法，包括：0033获取待检测妇科镜检样本图像序列；0034利用滴虫检测网络模型对所述待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型；0035利用光流算法处理所述待检测妇科镜检样本图像序列，得到每一帧图像。

16、的光流数据；0036根据所述每一帧图像的目标识别结果和所述每一帧图像的光流数据，确定运动滴虫识别结果。0037本发明还提供了一种滴虫检测设备，包括：0038存储器，用于存储计算机程序；说明书2/12 页5CN 116503374 A50039处理器，用于执行所述计算机程序时实现上述的滴虫检测方法的步骤。0040本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现上述的滴虫检测方法的步骤。0041可见，本发明通过待检测妇科镜检样本图像序列获取模块，获取待检测妇科镜检样本图像序列；通过运动滴虫目标确定模块，利用滴虫检测。

17、网络模型对所述待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型；通过光流数据确定模块，利用光流算法处理所述待检测妇科镜检样本图像序列，得到每一帧图像的光流数据；通过运动滴虫识别结果确定模块，根据所述每一帧图像的目标识别结果和所述每一帧图像的光流数据，确定运动滴虫识别结果。和当前利用染色法，培养法，免疫学方法等人工医学检测方法进行滴虫检测相比，本发明利用滴虫检测网络模型对滴虫进行智能化检测确定滴虫运动目标，并结合光流算法，确定光流数据；根据滴虫运动目标和光流数据，对运动滴虫进行进。

18、行多方面的检测，减小了滴虫漏识别的概率。0042此外，本发明还提供了一种滴虫检测方法、设备及计算机可读存储介质，同样具有上述有益效果。附图说明0043为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。0044图1为本发明实施例提供的一种滴虫检测装置的结构示意图；0045图2为本发明实施例提供的另一种滴虫检测装置的结构示意图；0046图3为本发明实施例提供的一种滴虫检测方法的流程图；0047图4。

19、为本发明实施例提供的另一种滴虫检测方法的流程图；0048图5为本发明实施例提供的一种运动滴虫检测模型训练方法的流程示例图；0049图6为本发明实施例提供的一种滴虫检测方法的流程示例图；0050图7为本发明实施例提供的一种滴虫检测设备的结构示意图。具体实施方式0051为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。0052请参考图1，图1为。

20、本发明实施例提供的一种滴虫检测装置的结构示意图。该方法可以包括：0053待检测妇科镜检样本图像序列获取模块100，用于获取待检测妇科镜检样本图像序列。说明书3/12 页6CN 116503374 A60054该实施例并不限定具体的待检测妇科镜检样本图像序列。该实施例中的待检测妇科镜检样本图像序列可以为在同一背景下的连续的图像序列；或者该实施例中的待检测妇科镜检样本图像序列可以为在一个跟踪周期内的图像序列。0055运动滴虫目标确定模块200，用于利用滴虫检测网络模型对所述待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片。

21、对深度卷积神经网络模型进行训练得到的模型。0056该实施例可以利用滴虫检测网络模型对待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果。可以理解的是，滴虫检测模型可以检测到每一帧图像中是否存在目标滴虫。0057光流数据确定模块300，用于利用光流算法处理所述待检测妇科镜检样本图像序列，得到每一帧图像的光流数据。0058该实施例中可以利用光流算法处理待检测妇科镜检样本图像序列，得到每一帧图像的光流数据。该实施例中光流算法的本质上是3维场景的物体运动投影到2维图像平面表现的像素点亮度变化。光流计算即从图像数据中估计物体的运动。该实施例并不限定具体的光流算法。例如，光流算法可以是变分光。

22、流估计模型，该模型的目标函数是包含一个数据项和一个平滑项的能量函数的最小化。数据项主要基于亮度守恒假设，即同一个像素点的亮度(灰度值)在相邻两帧图像内保持不变。或者，光流算法还可以是针对仿射变换的改进LucasKanade算法(金字塔分层算法)。0059运动滴虫识别结果确定模块400，根据所述每一帧图像的目标识别结果和所述每一帧图像的光流数据，确定运动滴虫识别结果。0060该实施例利用光流数据可以确定每一帧图像中目标主体的运动结果，进而确定运动滴虫识别结果。可以理解的是，每一帧图像中目标区域与非目标区域的光流数据存在差异，可以根据该差异确定运动滴虫的识别结果。0061进一步地，为了提高滴虫检测。

23、的全面性，上述滴虫检测装置，还可以包括：0062静态识别结果获取模块，用于获取镜检最后一帧静态识别结果；0063最终滴虫识别结果确定模块，用于根据所述镜检最后一帧静态识别结果和所述运动滴虫识别结果进行融合处理，得到最终滴虫识别结果。0064该实施例中通过获取镜检最后一帧图像，作为静态识别结果。该实施例将镜检最后一帧静态识别结果和运动滴虫识别结果进行融合处理，得到最终滴虫识别结果。可以理解的是，静态识别结果中可能存在不确定的情况(疑似滴虫)，可以将运动滴虫识别结果对静态识别结果进行融合，以找到全部的滴虫。由于利用该方法不仅可以发现静态的滴虫，也可以找到运动的滴虫，提高了滴虫识别的准确性。该实施例。

24、并不限定具体的融合方式。例如，可以根据运动滴虫识别结果对静态识别结果进行删除和增加；或者直接将运动滴虫识别结果和静态滴虫识别结果进行加和，将总的滴虫作为最终滴虫识别结果。0065进一步地，为了提高滴虫融合的准确性，上述最终滴虫识别结果确定模块400，可以包括：0066目标滴虫交并比确定子模块，用于根据所述运动滴虫识别结果对应的每个运动滴虫目标，与所述最后一帧静态识别结果对应的每个静态滴虫目标的目标滴虫交并比；0067最终滴虫识别结果确定子模块，用于根据所述目标滴虫交并比对所述镜检最后一说明书4/12 页7CN 116503374 A7帧静态识别结果进行修正，得到所述最终滴虫识别结果。0068该。

25、实施例根据运动滴虫识别结果对应的每个运动滴虫目标，与最后一帧静态识别结果对应的每个静态滴虫目标的目标滴虫交并比，进而根据目标滴虫交并比对镜检最后一帧静态识别结果进行修正，得到最终滴虫识别结果。可以理解的是，对于每个运动滴虫目标，计算其与最后一帧静态识别目标的交并比值，如果交并比值大于第一预设阈值且目标类别不是滴虫，则把该目标类别修正为滴虫；若交并比小于第一预设阈值则把该运动滴虫识别结果添加到静态识别目标集，最后把类别为滴虫的目标作为总的滴虫识别输出结果。该实施例中的第一预设阈值可以根据实际情况设计，例如，第一预设阈值可以是0.5；或者第一预设阈值可以是0.4。需要说明的是，根据交并比进行融合只。

26、是融合方式一种，也可以直接将运动滴虫识别结果和静态滴虫识别结果进行加和处理作为最终滴虫识别结果。需要说明的是，滴虫外观与白细胞、小圆上皮细胞相似，导致静态识别中经常出现滴虫误识别成白细胞或者小圆上皮细胞，但后两者是静止不动的，因此运动滴虫可以校正静态识别结果，把误识别为白细胞或者小圆上皮的滴虫给纠正过来，进一步提高了滴虫的识别精度。0069进一步地，为了提高滴虫检测网络模型检测的效果，上述滴虫检测装置，还包括：0070妇科镜检训练图片获取模块，用于获取妇科镜检训练图片；0071妇科镜检训练图片标注模块，用于根据滴虫的形状特征和运动特征对所述妇科镜检训练图片进行标注，得到所述带滴虫标签的妇科镜检。

27、训练图片；0072滴虫检测网络模型训练模块，用于根据所述带滴虫标签的妇科镜检训练图片和未标注带滴虫标签的妇科镜检训练图片，对所述深度卷积神经网络模型进行训练，得到所述滴虫检测网络模型。0073该实施例并不限定具体的妇科镜检训练图片，该妇科镜检训练图片为一定数量的妇科镜检图片。例如，该妇科镜检图片为含有滴虫的临床妇科镜检图片；或者该妇科镜检图片为部分含有滴虫的临床妇科镜检图片。0074需要说明的是，上述滴虫检测装置中的模块以及单元在不影响逻辑的情况下，其顺序可以前后进行更改。0075本发明实施例提供的滴虫检测装置，包括，待检测妇科镜检样本图像序列获取模块100，用于获取待检测妇科镜检样本图像序列。

28、；运动滴虫目标确定模块200，用于利用滴虫检测网络模型对所述待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型；光流数据确定模块300，用于利用光流算法处理所述待检测妇科镜检样本图像序列，得到每一帧图像的光流数据；运动滴虫识别结果确定模块400，根据所述每一帧图像的目标识别结果和所述每一帧图像的光流数据，确定运动滴虫识别结果。可见。和当前利用染色法，培养法，免疫学方法等人工医学检测方法进行滴虫检测相比，本发明利用滴虫检测网络模型对滴虫进行智能化检测确定滴虫运动目标，并结合光流算法。

29、，确定光流数据；根据滴虫运动目标和光流数据，对运动滴虫进行检测，可以对滴虫进行多方面的检测，减小了滴虫漏识别的概率。并且，把最后一帧的静态识别结果和运动滴虫融合在一起作为总体的滴虫目标，提高了滴虫的识别精度；并且根据交并比确定滴虫，提高滴虫识别的准确性；并且根据滴虫的形状特征和运动特征对妇科镜检训练图片进行标注，根据标注后的图片训练深度卷积神经网络模型，由于利用滴虫的形状特征和运动特征进行标说明书5/12 页8CN 116503374 A8注，提高了标注的准确性，进而提高模型训练的准确性。0076为了使本发明更便于理解，具体请参考图2，图2为本发明实施例提供的另一种滴虫检测装置的结构示意图，具。

30、体可以包括：0077待检测妇科镜检样本图像序列获取模块500，用于获取待检测妇科镜检样本图像序列。0078该实施例将需要检查的妇科镜检样本图像作为待检测妇科镜检样本图像序列。0079运动滴虫目标确定模块600，用于利用滴虫检测网络模型对所述待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型。0080该实施例中利用根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的滴虫检测网络模型对待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果。该实施例并不限定带。

31、滴虫标签的妇科镜检训练图片的具体标注方式。例如，可以利用机器为妇科镜检训练图片附上标签(滴虫或非滴虫)；或者还可以人工为妇科镜检训练图片附上标签；或者对妇科镜检训练图片中的滴虫以及疑似滴虫目标进行人工标注，得到滴虫标签。0081目标跟踪轨迹确定模块700，用于利用多目标跟踪算法处理所述每一帧图像的目标识别结果，得到目标跟踪轨迹。0082该实施例中的多目标跟踪算法是将图像中每一帧的目标物体都赋予一个名称，并且得到每个名称的行为轨迹。该实施例并不限定具体的多目标跟踪算法。例如，多目标跟踪算法可以是modelfree的方法，modelfree的方法核心思想是在第一帧给定初始的检测框，在后续帧中跟踪这。

32、些框；或者多目标跟踪算法还可以是trackingby detection(离线学习)方法，该通过比较相邻帧之间的相似度生成短的轨迹，之后再将短的轨迹合成长的轨迹。可以理解的是，利用滴虫检测网络模型可以确定每一帧图像中的目标，进而利用多目标跟踪算法准确的确定目标的运动轨迹。0083光流数据确定模块800，用于利用光流算法处理所述待检测妇科镜检样本图像序列，得到每一帧图像的光流数据。0084该实施例利用光流算法处理待检测妇科镜检样本图像序列，得到每一帧图像的光流数据。0085运动滴虫识别结果确定模块900，用于根据所述目标跟踪轨迹和所述每一帧图像的光流数据，确定所述运动滴虫识别结果。0086该实施。

33、例基于光流数据和目标跟踪轨迹，分析每个目标(深度卷积模型识别出来的滴虫)在跟踪周期内的运动状态获取运动滴虫。0087进一步地，为了提高滴虫运动识别结果的准确性，上述运动滴虫识别结果确定模块900，可以包括：0088滴虫运动规则获取单元，用于获取滴虫运动规则；其中，所述滴虫运动规则包括运动幅度和运动轨迹长度；0089运动滴虫识别结果确定单元，用于根据所述滴虫运动规则、所述每一帧图像的光流数据和所述目标跟踪轨迹，确定所述运动滴虫识别结果。0090该实施例中并不限定具体的滴虫运动规则，只要包括运动幅度和运动轨迹长度即说明书6/12 页9CN 116503374 A9可。例如，运动幅度可以是0.5，运。

34、动轨迹长度可以1；或者运动幅度可以是0.7，运动轨迹长度可以5。0091进一步地，为了提高运动滴虫识别结果的准确性，上述运动滴虫识别结果确定单元，可以包括：0092光流数据确定子单元，用于根据所述目标跟踪轨迹和所述每一帧图像的光流数据，确定背景区域的光流数据和目标区域的光流数据；0093运动幅度确定子单元，根据所述背景区域的光流数据和所述目标区域的光流数据的差值确定目标相对运动幅度；0094运动计数确定子单元，利用所述目标运动幅度和所述预设运动幅度阈值，得到目标的运动计数；0095运动滴虫识别结果确定子单元，用于利用所述目标的运动计数、目标运动轨迹长度和预设比值阈值，确定所述运动滴虫识别结果。。

35、0096该实施例根据目标跟踪轨迹和每一帧图像的光流数据，确定背景区域的光流数据和目标区域的光流数据，根据背景区域的光流数据和目标区域的光流数据的差值确定目标相对运动幅度；利用目标运动幅度和预设运动幅度阈值，得到目标的运动计数，利用目标的运动计数、目标运动轨迹长度和预设比值阈值，确定运动滴虫识别结果。该实施例并不限定具体的预设运动幅度阈值，例如预设运动幅度阈值可以是0.7；或者预设运动幅度阈值还可以是0.5。该实施例中的预设比值阈值是指运动计数与运动轨迹长度的比值，该比值可以根据需求设置。可以理解的是，例如，统计每一帧图像中背景(非目标区域)以及每一个目标区域的光流数据；对每一个目标区域，计算其。

36、与背景光流数据的差值，得到目标的相对运动幅度；当相对运动幅度大于阈值t1，则当前帧运动计数置1，统计跟踪周期内目标的运动计数，如果计数与轨迹长度的比值大于阈值t2则判断目标为运动滴虫。其中根据实测数据把t1、t2分别设定为0.7、0.5。该实施例中的t1、t2可以根据当前滴虫实际的运动状态设置。0097需要说明的是，上述滴虫检测装置中的模块以及单元在不影响逻辑的情况下，其顺序可以前后进行更改。0098本发明实施例提供的滴虫检测装置，包括：待检测妇科镜检样本图像序列获取模块500，用于获取待检测妇科镜检样本图像序列；运动滴虫目标确定模块600，用于利用滴虫检测网络模型对所述待检测妇科镜检样本图像。

37、序列进行检测，得到每一帧图像的目标识别结果；其中，所述滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型；目标跟踪轨迹确定模块700，用于利用多目标跟踪算法处理所述每一帧图像的目标识别结果，得到目标跟踪轨迹；光流数据确定模块800，用于利用光流算法处理所述待检测妇科镜检样本图像序列，得到每一帧图像的光流数据；运动滴虫识别结果确定模块900，用于根据所述目标跟踪轨迹和所述每一帧图像的光流数据，确定所述运动滴虫识别结果。可见，和当前仅仅根据人工医学方法检测滴虫相比，本发明利用多目标跟踪算法处理每一帧的识别结果可以准确地得到所有目标的跟踪轨迹，进而提高根据光流。

38、数据和目标跟踪轨迹确定运动滴虫识别结果的准确性；并且，根据滴虫的多方面的运动规则进行检测，提高检测的准确性。0099下面对本发明实施例提供的一种滴虫检测方法进行介绍，下文描述的一种滴虫检测方法与上文描述的一种滴虫检测装置可相互对应参照。说明书7/12 页10CN 116503374 A100100具体请参考图3，图3为本发明实施例提供的一种滴虫检测方法的流程图，可以包括：0101S300，获取待检测妇科镜检样本图像序列。0102S301，利用滴虫检测网络模型对待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经。

39、网络模型进行训练得到的模型。0103S302，利用光流算法处理待检测妇科镜检样本图像序列，得到每一帧图像的光流数据。0104S303，根据每一帧图像的目标识别结果和每一帧图像的光流数据，确定运动滴虫识别结果。0105进一步地，为了提高滴虫识别的全面性，在根据每一帧图像的目标识别结果和每一帧图像的光流数据，确定运动滴虫识别结果之后，还可以包括：0106获取镜检最后一帧静态识别结果；0107根据镜检最后一帧静态识别结果和运动滴虫识别结果进行融合处理，得到最终滴虫识别结果。0108进一步地，为了提高滴虫识别的准确性，上述根据镜检最后一帧静态识别结果和运动滴虫识别结果进行融合处理，得到最终滴虫识别结果。

40、，可以包括：0109根据运动滴虫识别结果对应的每个运动滴虫目标，与最后一帧静态识别结果对应的每个静态滴虫目标的目标滴虫交并比；0110根据目标滴虫交并比对镜检最后一帧静态识别结果进行修正，得到最终滴虫识别结果。0111进一步地，为了提高滴虫检测网络模型训练的准确性，在利用滴虫检测网络模型对待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果之前，还可以包括：0112获取妇科镜检训练图片；0113根据滴虫的形状特征和运动特征对妇科镜检训练图片进行标注，得到带滴虫标签的妇科镜检训练图片；0114根据带滴虫标签的妇科镜检训练图片和未标注带滴虫标签的妇科镜检训练图片，对深度卷积神经网络模型。

41、进行训练，得到滴虫检测网络模型。0115本发明实施例提供的滴虫检测方法，包括，获取待检测妇科镜检样本图像序列。利用滴虫检测网络模型对待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型。利用光流算法处理待检测妇科镜检样本图像序列，得到每一帧图像的光流数据。根据每一帧图像的目标识别结果和每一帧图像的光流数据，确定运动滴虫识别结果。和当前利用染色法，培养法，免疫学方法等人工医学检测方法进行滴虫检测相比，本发明利用滴虫检测网络模型对滴虫进行智能化检测确定滴虫运动目标，并结合光流算法，确定光流。

42、数据；根据滴虫运动目标和光流数据，对运动滴虫进行多方面的检测，减小了滴虫漏识别的概率。并且，把最后一帧的静态识别结果和运动滴虫融合在一起作为总体的滴虫目标，提高了滴虫的识别精度；并且根据交并比确定滴虫，提高滴虫识别的准确说明书8/12 页11CN 116503374 A11性；并且根据滴虫的形状特征和运动特征对妇科镜检训练图片进行标注，根据标注后的图片训练深度卷积神经网络模型，由于利用滴虫的形状特征和运动特征进行标注，提高了标注的准确性，进而提高模型训练的准确性。0116为了使本发明更便于理解，具体请参考图4，图4为本发明实施例提供的另一种滴虫检测方法的流程图，具体可以包括：0117S400，。

43、获取待检测妇科镜检样本图像序列。0118S401，利用滴虫检测网络模型对待检测妇科镜检样本图像序列进行检测，得到每一帧图像的目标识别结果；其中，滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型。0119S402，利用多目标跟踪算法处理每一帧图像的目标识别结果，得到目标跟踪轨迹。0120S403，利用光流算法处理待检测妇科镜检样本图像序列，得到每一帧图像的光流数据。0121S404，根据目标跟踪轨迹和每一帧图像的光流数据，确定运动滴虫识别结果。0122进一步地，为了提高滴虫识别的准确性，上述根据目标跟踪轨迹和每一帧图像的光流数据，确定运动滴虫识别结果，可。

44、以包括：0123获取滴虫运动规则；其中，滴虫运动规则包括运动幅度和运动轨迹长度；0124根据滴虫运动规则、每一帧图像的光流数据和目标跟踪轨迹，确定运动滴虫识别结果。0125进一步地，为了提高运动滴虫识别的全面性，上述根据滴虫运动规则、每一帧图像的光流数据和目标跟踪轨迹，确定运动滴虫识别结果，可以包括：0126根据目标跟踪轨迹和每一帧图像的光流数据，确定背景区域的光流数据和目标区域的光流数据；0127根据背景区域的光流数据和目标区域的光流数据的差值确定目标相对运动幅度；0128利用目标运动幅度和预设运动幅度阈值，得到目标的运动计数；0129利用目标的运动计数、目标运动轨迹长度和预设比值阈值，确定。

45、运动滴虫识别结果。0130本发明实施例提供的滴虫检测方法，和当前仅仅根据人工医学方法检测滴虫相比，本发明利用多目标跟踪算法处理每一帧的识别结果可以准确地得到所有目标的跟踪轨迹，进而提高根据光流数据和目标跟踪轨迹确定运动滴虫识别结果的准确性；并且，根据滴虫的多方面的运动规则进行检测，提高检测的准确性。0131为了使本发明更便于理解，具体请参考图5，图5为本发明实施例提供的一种运动滴虫检测模型训练方法的流程示例图，具体可以包括：0132S500，获取样本数据；其中，样本数据为含有滴虫的临床妇科镜检图片。0133S501，对样本数据进行滴虫标注，得到标注样本数据；滴虫标注包括对滴虫以及疑似滴虫目标进。

46、行标注。0134该实施例对临床妇科镜检图片中的滴虫和疑似滴虫进行标记。0135S502，利用标注样本数据训练深度卷积神经网络模型，得到运动滴虫检测模型。0136为了使本发明更便于理解，具体请参考图6，图6为本发明实施例提供的一种滴虫检测方法的流程示例图，具体可以包括：说明书9/12 页12CN 116503374 A120137S600，利用运动滴虫检测模型对待检测妇科镜检样本中的每一帧图像进行检测，得到初始运动滴虫检测结果。0138S601，利用多目标跟踪算法处理初始运动滴虫检测结果得到所有滴虫目标的目标跟踪轨迹。0139S602，利用光流算法处理待检测妇科镜检样本中的每一帧图像，得到每一帧。

47、的光流数据。0140S603，基于光流数据和目标跟踪轨迹，分析每个目标在跟踪周期内的运动状态确定运动滴虫识别结果。0141该实施例中的运动滴虫是通过统计跟踪周期内目标的运动计数来获取的。具体步骤如下：统计每一帧图像中背景(非目标区域)以及每一个目标区域的光流数据；对每一个目标区域，计算其与背景光流数据的差值，得到目标的相对运动幅度；当相对运动幅度大于阈值t1，则当前帧运动计数置1，统计跟踪周期内目标的运动计数，如果计数与轨迹长度的比值大于阈值t2则判断目标为运动滴虫。其中根据实测数据把t1、t2分别设定为0.7、0.5。0142S604，获取镜检仪器上的最后一帧静态滴虫识别结果。0143该实施。

48、例考虑到镜检仪器是在最后一帧上展示滴虫的总体识别结果，因此获取镜检仪器上的最后一帧静态滴虫识别结果。0144S605，根据运动滴虫识别结果和最后一帧静态滴虫识别结果的交并比，确定最终滴虫识别结果。0145该实施例对于每个运动滴虫目标，计算其与最后一帧静态识别到的滴虫目标的交并比值，如果交并比值大于0.5且滴虫目标的类别不是滴虫，则把滴虫目标的类别修正为滴虫；若交并比值小于0.5则把滴虫目标添加到静态识别目标集中；最后类别为滴虫的目标作为总的滴虫识别输出结果。0146可以理解的是，将最后一帧的静态识别结果和运动滴虫融合在一起作为总体的滴虫目标，主要出于两方面考虑：首先滴虫存在运动行为，基于光流与。

49、跟踪轨迹的多帧信息；滴虫外观与白细胞、小圆上皮细胞相似，导致静态识别中经常出现滴虫误识别成白细胞或者小圆上皮细胞，但后两者是静止不动的，因此运动滴虫可以校正静态识别结果，把误识别为白细胞或者小圆上皮的滴虫给纠正过来，进一步提高了滴虫的识别精度。0147下面对本发明实施例提供的一种滴虫检测设备进行介绍，下文描述的滴虫检测设备与上文描述的滴虫检测装置可相互对应参照。0148请参考图7，图7为本发明实施例提供的一种滴虫检测设备的结构示意图，可以包括：0149存储器10，用于存储计算机程序；0150处理器20，用于执行计算机程序，以实现上述的滴虫检测方法。0151存储器10、处理器20、通信接口30均。

50、通过通信总线40完成相互间的通信。0152在本发明实施例中，存储器10中用于存放一个或者一个以上程序，程序可以包括程序代码，程序代码包括计算机操作指令，在本发明实施例中，存储器10中可以存储有用于实现以下功能的程序：0153获取待检测妇科镜检样本图像序列；0154利用滴虫检测网络模型对待检测妇科镜检样本图像序列进行检测，得到每一帧图说明书10/12 页13CN 116503374 A13像的目标识别结果；其中，滴虫检测网络模型为根据带滴虫标签的妇科镜检训练图片对深度卷积神经网络模型进行训练得到的模型；0155利用光流算法处理待检测妇科镜检样本图像序列，得到每一帧图像的光流数据；0156根据每一。